Métodos de aprendizaje automático aplicados a problemas cosmológicos

Autores
De los Ríos, Martín Emilio
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión publicada
Colaborador/a o director/a de tesis
Domínguez Romero, Mariano Javier de León
Descripción
Tesis (Doctor en Astronomía)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.
De los Ríos, Martín Emilio. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
En este trabajo presentaremos el estudio de diferentes problemas cosmológicos mediante la implementación de técnicas de aprendizaje automático. En la primera parte de la tesis se presenta el marco teórico necesario para estudiar los diferentes problemas cosmológicos que abordamos durante la tesis. Mientras que en el Capı́tulo 1 se presenta una introducción general sobre el modelo cosmológico estándar, en el Capı́tulo 2 se detallan los principales algoritmos de aprendizaje automático que se utilizarán durante este trabajo. Esta clase de algoritmos presenta una nueva forma de analizar grandes conjuntos de datos y de buscar correlaciones entre las variables involucradas en un dado problema. Habiendo sido aplicadas con mucho éxito en diferentes áreas de la ciencia y en diversos problemas tecnológicos, en este trabajo utilizamos dichos método para abordar 2 problemas astronómicos: la clasificación de cúmulos de galaxias según su estado dinámico (Capı́tulo 3) y el análisis estadı́stico del fondo cósmico de microondas (Capı́tulo 7). Además también se presenta un estudio estadı́stico sobre la relación entre el estado dinámico de los cúmulos de galaxias y los campos magnéticos presentes en el medio intra-cúmulo (Capı́tulo 4) y una serie de estudios individuales (Capı́tulos 5 y 6) sobre los candidatos a cúmulos en interacción identificados mediante algoritmos de aprendizaje automático. Finalmente en el Capı́tulo 8 se presenta un estudio teórico sobre las implicaciones observacionales que tendrı́a una posible interacción entre la materia oscura y los fotones del fondo cósmico de microondas.
In this work we present studies with novel machine learning techniques about different cosmological problems. In the first part of the work we present the necessary theoretical framework to understand the astronomical problems that we will address. In Chapter 1 we present an introduction of the standard cosmological model, while in Chapter 2 we present the principal details of the Machine learning techniques that we will use. This kind of algorithms represent a new way of analysing big datasets and to find patterns and relations between the variables that are involved in an specific problem. While these techniques have been applied with a lot of success in technological problems and in other areas of science, we apply it for 2 astronomical issues: the dynamical classification of galaxy clusters (Chapter 3) and the statistical study of the temperature anisotropies of the cosmological cosmic microwave background (Chapter 7). We also present an statistical analysis of the relation between the dynamical status of galaxy clusters and the magnetic fields in their intra-cluster medium (Chapter 4) and a series of individual studies of systems that were previously classify as merging clusters (Chapters 5 and 6). In the last Chapter (8) we introduce a theoretical study of the observational and cosmological implications that may have an interaction between the dark matter particle and the cosmic microwave background photons.
info:eu-repo/semantics/publishedVersion
De los Ríos, Martín Emilio. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Materia
Aprendizaje automático
Cosmologı́a
Cúmulos de galaxias
Materia oscura
General statistical methods
Galaxy clusters
Observational cosmology
Dark matter stellar, interstellar, galactic, and cosmological
Dark energy
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/14284

id RDUUNC_cbf6ee8ec3c16f5bd083501a4d60d96d
oai_identifier_str oai:rdu.unc.edu.ar:11086/14284
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Métodos de aprendizaje automático aplicados a problemas cosmológicosDe los Ríos, Martín EmilioAprendizaje automáticoCosmologı́aCúmulos de galaxiasMateria oscuraGeneral statistical methodsGalaxy clustersObservational cosmologyDark matter stellar, interstellar, galactic, and cosmologicalDark energyTesis (Doctor en Astronomía)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.De los Ríos, Martín Emilio. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.En este trabajo presentaremos el estudio de diferentes problemas cosmológicos mediante la implementación de técnicas de aprendizaje automático. En la primera parte de la tesis se presenta el marco teórico necesario para estudiar los diferentes problemas cosmológicos que abordamos durante la tesis. Mientras que en el Capı́tulo 1 se presenta una introducción general sobre el modelo cosmológico estándar, en el Capı́tulo 2 se detallan los principales algoritmos de aprendizaje automático que se utilizarán durante este trabajo. Esta clase de algoritmos presenta una nueva forma de analizar grandes conjuntos de datos y de buscar correlaciones entre las variables involucradas en un dado problema. Habiendo sido aplicadas con mucho éxito en diferentes áreas de la ciencia y en diversos problemas tecnológicos, en este trabajo utilizamos dichos método para abordar 2 problemas astronómicos: la clasificación de cúmulos de galaxias según su estado dinámico (Capı́tulo 3) y el análisis estadı́stico del fondo cósmico de microondas (Capı́tulo 7). Además también se presenta un estudio estadı́stico sobre la relación entre el estado dinámico de los cúmulos de galaxias y los campos magnéticos presentes en el medio intra-cúmulo (Capı́tulo 4) y una serie de estudios individuales (Capı́tulos 5 y 6) sobre los candidatos a cúmulos en interacción identificados mediante algoritmos de aprendizaje automático. Finalmente en el Capı́tulo 8 se presenta un estudio teórico sobre las implicaciones observacionales que tendrı́a una posible interacción entre la materia oscura y los fotones del fondo cósmico de microondas.In this work we present studies with novel machine learning techniques about different cosmological problems. In the first part of the work we present the necessary theoretical framework to understand the astronomical problems that we will address. In Chapter 1 we present an introduction of the standard cosmological model, while in Chapter 2 we present the principal details of the Machine learning techniques that we will use. This kind of algorithms represent a new way of analysing big datasets and to find patterns and relations between the variables that are involved in an specific problem. While these techniques have been applied with a lot of success in technological problems and in other areas of science, we apply it for 2 astronomical issues: the dynamical classification of galaxy clusters (Chapter 3) and the statistical study of the temperature anisotropies of the cosmological cosmic microwave background (Chapter 7). We also present an statistical analysis of the relation between the dynamical status of galaxy clusters and the magnetic fields in their intra-cluster medium (Chapter 4) and a series of individual studies of systems that were previously classify as merging clusters (Chapters 5 and 6). In the last Chapter (8) we introduce a theoretical study of the observational and cosmological implications that may have an interaction between the dark matter particle and the cosmic microwave background photons.info:eu-repo/semantics/publishedVersionDe los Ríos, Martín Emilio. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Domínguez Romero, Mariano Javier de León2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://hdl.handle.net/11086/14284spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:43:07Zoai:rdu.unc.edu.ar:11086/14284Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:43:07.522Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Métodos de aprendizaje automático aplicados a problemas cosmológicos
title Métodos de aprendizaje automático aplicados a problemas cosmológicos
spellingShingle Métodos de aprendizaje automático aplicados a problemas cosmológicos
De los Ríos, Martín Emilio
Aprendizaje automático
Cosmologı́a
Cúmulos de galaxias
Materia oscura
General statistical methods
Galaxy clusters
Observational cosmology
Dark matter stellar, interstellar, galactic, and cosmological
Dark energy
title_short Métodos de aprendizaje automático aplicados a problemas cosmológicos
title_full Métodos de aprendizaje automático aplicados a problemas cosmológicos
title_fullStr Métodos de aprendizaje automático aplicados a problemas cosmológicos
title_full_unstemmed Métodos de aprendizaje automático aplicados a problemas cosmológicos
title_sort Métodos de aprendizaje automático aplicados a problemas cosmológicos
dc.creator.none.fl_str_mv De los Ríos, Martín Emilio
author De los Ríos, Martín Emilio
author_facet De los Ríos, Martín Emilio
author_role author
dc.contributor.none.fl_str_mv Domínguez Romero, Mariano Javier de León
dc.subject.none.fl_str_mv Aprendizaje automático
Cosmologı́a
Cúmulos de galaxias
Materia oscura
General statistical methods
Galaxy clusters
Observational cosmology
Dark matter stellar, interstellar, galactic, and cosmological
Dark energy
topic Aprendizaje automático
Cosmologı́a
Cúmulos de galaxias
Materia oscura
General statistical methods
Galaxy clusters
Observational cosmology
Dark matter stellar, interstellar, galactic, and cosmological
Dark energy
dc.description.none.fl_txt_mv Tesis (Doctor en Astronomía)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.
De los Ríos, Martín Emilio. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
En este trabajo presentaremos el estudio de diferentes problemas cosmológicos mediante la implementación de técnicas de aprendizaje automático. En la primera parte de la tesis se presenta el marco teórico necesario para estudiar los diferentes problemas cosmológicos que abordamos durante la tesis. Mientras que en el Capı́tulo 1 se presenta una introducción general sobre el modelo cosmológico estándar, en el Capı́tulo 2 se detallan los principales algoritmos de aprendizaje automático que se utilizarán durante este trabajo. Esta clase de algoritmos presenta una nueva forma de analizar grandes conjuntos de datos y de buscar correlaciones entre las variables involucradas en un dado problema. Habiendo sido aplicadas con mucho éxito en diferentes áreas de la ciencia y en diversos problemas tecnológicos, en este trabajo utilizamos dichos método para abordar 2 problemas astronómicos: la clasificación de cúmulos de galaxias según su estado dinámico (Capı́tulo 3) y el análisis estadı́stico del fondo cósmico de microondas (Capı́tulo 7). Además también se presenta un estudio estadı́stico sobre la relación entre el estado dinámico de los cúmulos de galaxias y los campos magnéticos presentes en el medio intra-cúmulo (Capı́tulo 4) y una serie de estudios individuales (Capı́tulos 5 y 6) sobre los candidatos a cúmulos en interacción identificados mediante algoritmos de aprendizaje automático. Finalmente en el Capı́tulo 8 se presenta un estudio teórico sobre las implicaciones observacionales que tendrı́a una posible interacción entre la materia oscura y los fotones del fondo cósmico de microondas.
In this work we present studies with novel machine learning techniques about different cosmological problems. In the first part of the work we present the necessary theoretical framework to understand the astronomical problems that we will address. In Chapter 1 we present an introduction of the standard cosmological model, while in Chapter 2 we present the principal details of the Machine learning techniques that we will use. This kind of algorithms represent a new way of analysing big datasets and to find patterns and relations between the variables that are involved in an specific problem. While these techniques have been applied with a lot of success in technological problems and in other areas of science, we apply it for 2 astronomical issues: the dynamical classification of galaxy clusters (Chapter 3) and the statistical study of the temperature anisotropies of the cosmological cosmic microwave background (Chapter 7). We also present an statistical analysis of the relation between the dynamical status of galaxy clusters and the magnetic fields in their intra-cluster medium (Chapter 4) and a series of individual studies of systems that were previously classify as merging clusters (Chapters 5 and 6). In the last Chapter (8) we introduce a theoretical study of the observational and cosmological implications that may have an interaction between the dark matter particle and the cosmic microwave background photons.
info:eu-repo/semantics/publishedVersion
De los Ríos, Martín Emilio. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
description Tesis (Doctor en Astronomía)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.
publishDate 2019
dc.date.none.fl_str_mv 2019
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/doctoralThesis
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
status_str publishedVersion
format doctoralThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/14284
url http://hdl.handle.net/11086/14284
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618945460436992
score 13.070432